Máster en Big Data para Rutas Comerciales y Optimización de Flotas

1.1. Arquitectura de Big Data en la cadena de suministro: Lagos de datos (Data Lakes), Data Warehouses y Lakehouses

1.2. Procesamiento masivo de datos en tiempo real vs. en lote (Batch): Apache Spark, Flink y Hadoop

1.3. Ingesta de datos telemáticos en tiempo real con Apache Kafka y MQTT

1.4. Bases de datos no relacionales (NoSQL) para movilidad: MongoDB, Cassandra y Redis

1.5. Bases de datos espaciotemporales: PostGIS, TimescaleDB y Uber H3

1.6. Computación en la nube para flotas: AWS, Google Cloud Platform (GCP) y Microsoft Azure

1.7. Arquitecturas Edge Computing en vehículos, buques y terminales logísticas

1.8. Calidad, limpieza y normalización de datos masivos de transporte y telemetría

1.9. Gobernanza de datos, seguridad de la información y cumplimiento normativo (GDPR, ISO 27001)

1.10. Estrategias de escalabilidad y optimización de costes de infraestructura Cloud/Edge

2.1. Protocolos de comunicación en vehículos y buques: CAN Bus, J1939, NMEA 2000 y Modbus

2.2. Sensores IoT para la gestión de flotas: control de combustible, temperatura, presión de neumáticos y carga

2.3. Sistemas de Navegación por Satélite (GNSS): GPS, Galileo, GLONASS y correcciones RTK/DGPS

2.4. Sistemas de Identificación Automática (AIS) marítimos y transmisión de datos ADS-B aeronáuticos

2.5. Dispositivos Tachograph/ELD (Electronic Logging Devices) y monitorización de horas de conducción

2.6. Redes de comunicación móvil y satelital: 5G, NTN (Non-Terrestrial Networks), LEO (Starlink, Iridium)

2.7. Integración de datos meteorológicos y oceanográficos en tiempo real (NOAA, ECMWF)

2.8. Estandarización de formatos de datos de movilidad: GTFS, Datex II, NeTEx y JSON-LD

2.9. Reducción de ruido y filtrado de señales GNSS mediante Filtros de Kalman

2.10. Mantenimiento y diagnóstico remoto de dispositivos IoT en flotas globales

3.1. Fundamentos de Sistemas de Información Geográfica (SIG / GIS) aplicados a la logística

3.2. Modelado de redes de transporte: grafos, nodos, aristas y matrices de costes

3.3. Algoritmos de rutas cortas y óptimas: Dijkstra, A*, Bellman-Ford y Contraction Hierarchies

3.4. Geocodificación masiva, geofencing (geocercas) y análisis de accesibilidad

3.5. Cálculo de matrices de distancia y tiempo de viaje (Origin-Destination Matrices)

3.6. Análisis de densidad de tráfico, cuellos de botella y congestión con datos flotantes de vehículos (FVD)

3.7. Map Matching: alineación de trayectorias GNSS con redes viarias y vías marítimas

3.8. Integración de APIs de mapas y ruteo: OpenStreetMap (OSRM, GraphHopper), Google Maps, HERE

3.9. Visualización geoespacial interactiva masiva: Kepler.gl, Deck.gl y Folium

3.10. Geopolítica de las rutas comerciales: análisis de Chokepoints (Suez, Panamá, Ormuz, Malaca)

4.1. El Problema del Agente Viajero (TSP) y el Problema de Enrutamiento de Vehículos (VRP)

4.2. Variantes complejas del VRP: VRP con Ventanas de Tiempo (VRPTW), Flota Heterogénea y Multidepósito

4.3. Algoritmos exactos vs. Metaheurísticas: Búsqueda Tabú, Algoritmos Genéticos y Simulated Annealing

4.4. Optimización de rutas con restricciones de capacidad, peso, volumen y compatibilidad de carga

4.5. Solucionadores comerciales y open-source: Google OR-Tools, VROOM, OptaPlanner y LocalSolver

4.6. Dynamic VRP: replanificación de rutas en tiempo real ante incidencias y nuevas órdenes

4.7. Ruteo verde (Green VRP): minimización de emisiones de CO2 y consumo de combustible

4.8. Optimización de flotas eléctricas (E-VRP): autonomía, tiempos de carga y ubicación de cargadores

4.9. Consolidación de carga y optimización del llenado de contenedores y camiones (Bin Packing Problem)

4.10. Evaluación del rendimiento y KPIs de ruteo: tasa de entregas a tiempo (OTIF) y kilómetros en vacío

5.1. Modelos de predicción de la demanda de transporte y carga con Series Temporales (ARIMA, Prophet, XGBoost)

5.2. Predicción de tiempos estimados de llegada (ETA) mediante Deep Learning y Gradient Boosting

5.3. Análisis de patrones de conducción (Driving Behavior) y Scoring de seguridad del conductor

5.4. Clasificación y detección de anomalías en trayectorias con algoritmos no supervisados (K-Means, DBSCAN)

5.5. Predicción de congestión de tráfico y condiciones meteorológicas adversas

5.6. Modelado predictivo del consumo de energía y combustible según la topografía y el clima

5.7. Estimación de tiempos de espera en puertos, fronteras y centros de distribución (Dwell Time)

5.8. Procesamiento de Lenguaje Natural (NLP) para la extracción de datos de albaranes, CMRs y Conocimientos de Embarque (BL)

5.9. Redes Neuronales Grafos (GNN) aplicadas al análisis de redes de transporte complejas

5.10. Validación, interpretabilidad (SHAP/LIME) y despliegue de modelos predictivos en producción (MLOps)

6.1. Fundamentos del mantenimiento predictivo frente al preventivo y correctivo en flotas

6.2. Análisis de fiabilidad y estimación de la Vida Útil Restante (RUL – Remaining Useful Life)

6.3. Procesamiento de datos de sensores de vibración, temperatura y análisis de aceite en motores

6.4. Monitorización de salud de componentes clave: motor, transmisión, frenos y neumáticos

6.5. Modelos de Machine Learning para el diagnóstico y pronóstico de fallos (Fault Detection and Diagnosis)

6.6. Telemetría y diagnóstico a bordo en buques y megabuques (Digital Twin del barco)

6.7. Gestión del desgaste de flota en aviación comercial y de carga (Engine Health Monitoring)

6.8. Automatización de alertas de mantenimiento y programación inteligente de visitas al taller/astillero

6.9. Optimización del inventario de repuestos y piezas de recambio basada en predicción de fallos

6.10. Análisis del coste total de propiedad (TCO) y optimización del ciclo de vida de los activos

7.1. Weather Routing: optimización de rutas oceánicas considerando viento, olas, corrientes y batimetría

7.2. Estrategias de navegación eficiente: Slow Steaming, trimado óptimo y limpieza de casco

7.3. Gestión y optimización de flotas de contenedores: reposicionamiento de contenedores vacíos

7.4. Analítica de datos en terminales portuarias: asignación de atraques (Berth Allocation) y grúas

7.5. Planificación e integración del transporte intermodal (Barco – Tren – Camión)

7.6. Desgestión de accesos a puertos mediante sistemas de citas para camiones (Truck Appointment Systems)

7.7. Cumplimiento de regulaciones ambientales marítimas (IMO 2020/2023, CII, EEXI, ETS de la UE)

7.8. Monitorización del tráfico marítimo global y análisis de flujos de materias primas (Commodities)

7.9. Automatización de operaciones en puertos inteligentes (Smart Ports) y terminales automatizadas

7.10. Gestión de crisis e interrupciones en el transporte marítimo (bloqueos, huelgas, eventos climáticos)

8.1. Introducción a la analítica prescriptiva y optimización bajo incertidumbre

8.2. Programación Lineal (LP) y Programación Entera Mixta (MIP) para la planificación estratégica de flotas

8.3. Simulación de Eventos Discretos (DES) aplicada a centros de distribución y redes logísticas

8.4. Simulación Basada en Agentes (ABM) para el estudio de comportamiento del tráfico y movilidad urbana

8.5. Tecnología de Gemelos Digitales (Digital Twins) para la simulación de redes de transporte globales

8.6. Aprendizaje por Refuerzo (Reinforcement Learning) para la toma de decisiones dinámicas en logística

8.7. Análisis de escenarios (What-If Analysis) y pruebas de estrés en la cadena de suministro

8.8. Dimensionamiento óptimo de flotas (Fleet Sizing) y decisiones de compra vs. leasing/renting

8.9. Asignación óptima de cargas a conductores y subcontratistas (Freight Matching)

8.10. Cuadros de mando prescriptivos e integración con sistemas ERP y TMS (Transport Management Systems)

9.1. Desafíos de la logística de última milla y entregas e-commerce en entornos urbanos densos

9.2. Algoritmos de ruteo para micro-movilidad, bicicletas de carga y lockers/puntos de recogida

9.3. Integración de drones de entrega y vehículos autónomos terrestres (AGVs) en la distribución

9.4. Centros de consolidación urbana (Micro-hubs) y optimización del espacio de carga urbano

9.5. Modelos de movilidad compartida y logística colaborativa (Crowdsourced Delivery)

9.6. Estrategias para la electrificación masiva de flotas urbanas: gestión de picos de demanda eléctrica

9.7. Análisis de huella de carbono y contabilidad de emisiones Scope 1, 2 y 3 según el marco GLEC

9.8. Zonas de Bajas Emisiones (ZBE) y normativas de acceso urbano: adaptación algorítmica de rutas

9.9. Teleoperación, conducción remota y pelotón de camiones (Platooning)

9.10. Tendencias futuras en transporte ultra-rápido y logística autónoma hiperconectada

10.1. Definición del problema real de transporte: marítimo, terrestre, aéreo o intermodal

10.2. Arquitectura del pipeline de datos: ingesta de fuentes heterogéneas (GNSS, IoT, clima, órdenes)

10.3. Diseño e implementación del almacenamiento masivo y procesamiento en tiempo real

10.4. Desarrollo de los modelos predictivos (ETA, demanda, mantenimiento o consumo)

10.5. Implementación del motor de optimización de rutas o asignación de activos (VRP, ruteo marítimo, etc.)

10.6. Integración de componentes a través de microservicios y APIs RESTful

10.7. Desarrollo de la interfaz de usuario / Dashboard interactivo para la visualización de rutas y KPIs

10.8. Evaluación del impacto del sistema: reducción de costes, ahorro de combustible y emisiones evitadas

10.9. Elaboración de la memoria técnica y ejecutiva según estándares de la industria

10.10. Presentación ejecutiva y defensa oral de la solución tecnológica ante un tribunal de expertos